Siga estas etapas para começar a usar esses recursos:
- Faça um Fork do Repositório: Clique em
- Clone o Repositório:
git clone https://github.com/microsoft/edgeai-for-beginners.git - Participe do Azure AI Foundry Discord e conheça especialistas e outros desenvolvedores
Árabe | Bengali | Búlgaro | Birmanês (Myanmar) | Chinês (Simplificado) | Chinês (Tradicional, Hong Kong) | Chinês (Tradicional, Macau) | Chinês (Tradicional, Taiwan) | Croata | Tcheco | Dinamarquês | Holandês | Estoniano | Finlandês | Francês | Alemão | Grego | Hebraico | Hindi | Húngaro | Indonésio | Italiano | Japonês | Kannada | Khmer | Coreano | Lituano | Malaio | Malaiala | Marathi | Nepali | Pidgin Nigeriano | Norueguês | Persa (Farsi) | Polonês | Português (Brasil) | Português (Portugal) | Punjabi (Gurmukhi) | Romeno | Russo | Sérvio (Cirílico) | Eslovaco | Esloveno | Espanhol | Suaíli | Sueco | Tagalo (Filipino) | Tâmil | Telugu | Tailandês | Turco | Ucraniano | Urdu | Vietnamita
Prefere Clonar Localmente?
Este repositório inclui mais de 50 traduções de idiomas, o que aumenta significativamente o tamanho do download. Para clonar sem as traduções, use sparse checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git cd edgeai-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git cd edgeai-for-beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"Isso fornece tudo que você precisa para completar o curso com um download muito mais rápido.
Se desejar que idiomas adicionais sejam suportados, consulte a lista aqui
Bem-vindo ao EdgeAI para Iniciantes – sua jornada completa no mundo transformador da Inteligência Artificial na Borda. Este curso conecta as poderosas capacidades da IA à implantação prática e real em dispositivos de borda, permitindo que você aproveite o potencial da IA diretamente onde os dados são gerados e as decisões precisam ser tomadas.
Este curso leva você dos conceitos fundamentais até implementações prontas para produção, abordando:
- Modelos Pequenos de Linguagem (SLMs) otimizados para implantação na borda
- Otimização consciente de hardware em múltiplas plataformas
- Inferência em tempo real com capacidades de preservação da privacidade
- Estratégias de implantação em produção para aplicações empresariais
Edge AI representa uma mudança de paradigma que resolve desafios modernos críticos:
- Privacidade & Segurança: Processa dados sensíveis localmente sem exposição à nuvem
- Desempenho em tempo real: Elimina latência de rede para aplicações com restrição de tempo
- Eficiência de custo: Reduz custo de largura de banda e computação em nuvem
- Operações resilientes: Mantém funcionalidade durante quedas de rede
- Conformidade regulatória: Atende requisitos de soberania de dados
Edge AI refere-se à execução de algoritmos de IA e modelos de linguagem localmente no hardware, próximo ao local onde os dados são gerados, sem depender de recursos na nuvem para inferência. Isso reduz a latência, aumenta a privacidade e permite decisões em tempo real.
- Inferência no dispositivo: Modelos de IA executados em dispositivos de borda (celulares, roteadores, microcontroladores, PCs industriais)
- Capacidade offline: Funciona sem conectividade persistente com a internet
- Baixa latência: Respostas imediatas adequadas para sistemas em tempo real
- Soberania de dados: Mantém dados sensíveis localmente, melhorando segurança e conformidade
SLMs como Phi-4, Mistral-7B e Gemma são versões otimizadas de grandes modelos de linguagem (LLMs) — treinados ou destilados para:
- Pegada de memória reduzida: Uso eficiente de memória limitada em dispositivos de borda
- Menor demanda computacional: Otimizado para desempenho em CPU e GPU de borda
- Tempos de inicialização mais rápidos: Inicialização rápida para aplicações responsivas
Eles desbloqueiam poderosas capacidades de PLN enquanto atendem às restrições de:
- Sistemas embarcados: Dispositivos IoT e controladores industriais
- Dispositivos móveis: Smartphones e tablets com capacidades offline
- Dispositivos IoT: Sensores e dispositivos inteligentes com recursos limitados
- Servidores de borda: Unidades de processamento local com recursos limitados de GPU
- Computadores pessoais: Cenários de implantação em desktop e laptop
| Módulo | Tópico | Área de Foco | Conteúdo Principal | Nível | Duração |
|---|---|---|---|---|---|
| 📖 00 | Introdução ao EdgeAI | Fundamentos & Contexto | Visão geral do EdgeAI • Aplicações na indústria • Introdução ao SLM • Objetivos de aprendizagem | Iniciante | 1-2 h |
| 📚 01 | Fundamentos do EdgeAI | Comparação entre Nuvem e Edge AI | Fundamentos do EdgeAI • Estudos de Caso Reais • Guia de Implementação • Implantação na Borda | Iniciante | 3-4 h |
| 🧠 02 | Fundamentos do Modelo SLM | Famílias e arquitetura de modelos | Família Phi • Família Qwen • Família Gemma • BitNET • μModel • Phi-Silica | Iniciante | 4-5 h |
| 🚀 03 | Prática de Implantação SLM | Implantação local & na nuvem | Aprendizado Avançado • Ambiente Local • Implantação na Nuvem | Intermediário | 4-5 h |
| ⚙️ 04 | Kit de Ferramentas para Otimização de Modelos | Otimização multiplataforma | Introdução • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Síntese do Fluxo de Trabalho | Intermediário | 5-6 h |
| 🔧 05 | SLMOps em Produção | Operações em produção | Introdução ao SLMOps • Destilação de Modelos • Fine-tuning • Implantação em Produção | Avançado | 5-6 h |
| 🤖 06 | Agentes de IA & Chamada de Funções | Frameworks de agentes & MCP | Introdução a Agentes • Chamada de Funções • Protocolo de Contexto do Modelo | Avançado | 4-5 h |
| 💻 07 | Implementação em Plataforma | Exemplos multiplataforma | Kit de Ferramentas de IA • Foundry Local • Desenvolvimento Windows | Avançado | 3-4 h |
| 🏭 08 | Kit de Ferramentas Foundry Local | Exemplos prontos para produção | Aplicações de exemplo (veja detalhes abaixo) | Especialista | 8-10 h |
- 01: Quickstart Chat REST
- 02: Integração OpenAI SDK
- 03: Descoberta & Benchmarking de Modelos
- 04: Aplicação Chainlit RAG
- 05: Orquestração Multi-Agentes
- 06: Router Modelos-como-Ferramentas
- 07: Cliente API Direto
- 08: App de Chat Windows 11
- 09: Sistema Multi-Agente Avançado
- 10: Framework Foundry Tools
Materiais abrangentes para workshop prático com implementações prontas para produção:
- Guia do Workshop - Objetivos de aprendizagem completos, resultados e navegação pelos recursos
- Exemplos em Python (6 sessões) - Atualizados com melhores práticas, tratamento de erros e documentação completa
- Notebooks Jupyter (8 interativos) - Tutoriais passo a passo com benchmarks e monitoramento de desempenho
- Guias de Sessão - Guias detalhados em markdown para cada sessão do workshop
- Ferramentas de Validação - Scripts para verificar qualidade do código e executar testes básicos
O que Você Vai Construir:
- Aplicações locais de chat com suporte a streaming
- Pipelines RAG com avaliação de qualidade (RAGAS)
- Ferramentas de benchmarking e comparação multi-modelo
- Sistemas de orquestração multi-agentes
- Roteamento inteligente de modelos com seleção baseada em tarefas
Construa uma linha de produção de podcast movida a IA do zero! Este workshop imersivo ensina você a criar um sistema multiagente completo que transforma ideias em episódios profissionais de podcast.
🎬 Comece o Workshop AI Podcast Studio
Sua Missão: Lançar o "Future Bytes" — um podcast de tecnologia totalmente alimentado por agentes de IA que você mesmo construirá. Sem dependências na nuvem, sem custos de API — tudo funciona localmente na sua máquina.
O Que Torna Isto Único:
- 🤖 Orquestração Multiagente Real - Construa agentes de IA especializados que pesquisam, escrevem e produzem áudio
- 🎯 Linha Completa de Produção - Da seleção do tema ao áudio final do podcast
- 💻 Implantação 100% Local - Usa Ollama e modelos locais (Qwen-3-8B) para total privacidade e controle
- 🎤 Integração Texto para Fala - Transforma roteiros em conversas naturais com múltiplos locutores
- ✋ Fluxos de Trabalho com Humanos no Loop - Portões de aprovação garantem qualidade mantendo a automação
Jornada de Aprendizagem em Três Atos:
| Ato | Foco | Habilidades Chave | Duração |
|---|---|---|---|
| Ato 1: Conheça seus Assistentes de IA | Construa seu primeiro agente de IA | Integração de ferramentas • Busca na web • Resolução de problemas • Raciocínio agente | 2-3 hrs |
| Ato 2: Monte sua Equipe de Produção | Orquestre múltiplos agentes | Coordenação de equipe • Fluxos de aprovação • Interface DevUI • Supervisão humana | 3-4 hrs |
| Ato 3: Dê Vida ao Seu Podcast | Gere áudio do podcast | Texto para fala • Síntese com múltiplos locutores • Áudio de longa duração • Automação total | 2-3 hrs |
Tecnologias Utilizadas:
- Microsoft Agent Framework - Orquestração e coordenação multiagente
- Ollama - Runtime local de modelo de IA (sem necessidade de nuvem)
- Qwen-3-8B - Modelo de linguagem open-source otimizado para tarefas agentes
- APIs de Texto para Fala - Síntese de voz natural para geração de podcast
Suporte de Hardware:
- ✅ Modo CPU - Funciona em qualquer computador moderno (recomendado 8GB+ RAM)
- 🚀 Aceleração GPU - Inferência significativamente mais rápida com GPUs NVIDIA/AMD
- ⚡ Suporte NPU - Aceleração por unidade neural de próxima geração
Perfeito Para:
- Desenvolvedores aprendendo sistemas de IA multiagente
- Quem se interessa por automação de IA e fluxos de trabalho
- Criadores de conteúdo explorando produção assistida por IA
- Estudantes estudando padrões práticos de orquestração de IA
Comece Agora: 🎙️ The AI Podcast Studio Workshop →
- Duração Total: 36-45 horas
- Iniciante: Módulos 01-02 (7-9 horas)
- Intermediário: Módulos 03-04 (9-11 horas)
- Avançado: Módulos 05-07 (12-15 horas)
- Expert: Módulo 08 (8-10 horas)
- Arquitetura Edge AI: Projetar sistemas de IA locais com integração na nuvem
- Otimização de Modelos: Quantizar e comprimir modelos para implantação na borda (85% mais rápido, 75% menor)
- Implantação Multiplataforma: Windows, mobile, embarcados e sistemas híbridos nuvem-borda
- Operações de Produção: Monitoramento, escalabilidade e manutenção de IA na borda em produção
- Aplicativos Locais Foundry Chat: Aplicativo nativo Windows 11 com troca de modelos
- Sistemas Multiagente: Coordenador com agentes especialistas para fluxos complexos
- Aplicações RAG: Processamento local de documentos com busca vetorial
- Roteadores de Modelos: Seleção inteligente entre modelos segundo análise da tarefa
- Frameworks de API: Clientes prontos para produção com streaming e monitoramento de saúde
- Ferramentas Cross-Platform: Padrões de integração LangChain/Semantic Kernel
Manufatura • Saúde • Veículos Autônomos • Cidades Inteligentes • Apps Mobile
Caminho de Aprendizagem Recomendado (20-30 horas no total):
- 📖 Introdução (Introduction.md): Fundamentos EdgeAI + contexto da indústria + framework de aprendizagem
- 📚 Fundamentos (Módulos 01-02): Conceitos EdgeAI + famílias de modelos SLM
- ⚙️ Otimização (Módulos 03-04): Implantação + frameworks de quantização
- 🚀 Produção (Módulos 05-06): SLMOps + agentes de IA + chamadas de função
- 💻 Implementação (Módulos 07-08): Exemplos de plataforma + kit Foundry Local
Cada módulo inclui teoria, exercícios práticos e amostras de código prontas para produção.
Cargos Técnicos: Arquiteto de Soluções EdgeAI • Engenheiro ML (Edge) • Desenvolvedor AI IoT • Desenvolvedor AI Mobile
Setores Industriais: Manufatura 4.0 • Tecnologia em Saúde • Sistemas Autônomos • FinTech • Eletrônicos de Consumo
Projetos para Portfólio: Sistemas multiagente • Aplicações RAG em produção • Implantação cross-platform • Otimização de desempenho
edgeai-for-beginners/
├── 📖 introduction.md # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/ # Fundamentals → SLMs → Deployment → Optimization
├── 🔧 Module05-06/ # SLMOps → AI Agents → Function Calling
├── 💻 Module07/ # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/ # Foundry Local Toolkit + 10 Comprehensive Samples
│ ├── samples/01-06/ # Foundation: REST, SDK, RAG, Agents, Routing
│ └── samples/07-10/ # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/ # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md # Structured learning paths & time allocation
✅ Aprendizado Progressivo: Teoria → Prática → Implantação em produção
✅ Estudos de Caso Reais: Microsoft, Japan Airlines, implementações corporativas
✅ Exemplos Práticos: 50+ exemplos, 10 demos completas Foundry Local
✅ Foco em Performance: Melhorias de velocidade de 85%, reduções de tamanho de 75%
✅ Multiplataforma: Windows, mobile, embarcado, híbrido nuvem-borda
✅ Pronto para Produção: Monitoramento, escalabilidade, segurança, conformidade
📖 Guia de Estudo Disponível: Caminho de aprendizado estruturado de 20 horas com orientação de tempo e ferramentas de autoavaliação.
EdgeAI representa o futuro da implantação de IA: local primeiro, preservando privacidade e eficiente. Domine essas habilidades para construir a próxima geração de aplicações inteligentes.
Nossa equipe produz outros cursos! Confira:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Se você ficar preso ou tiver alguma dúvida sobre como construir aplicativos de IA, participe:
Se você tiver feedback sobre o produto ou erros durante a construção, visite:
Aviso Legal:
Este documento foi traduzido usando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos pela precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se a tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.